代码是在python 3.9.6 的编译下执行的：
各种主要库版本：
numpy == 1.23.1
matplotlib == 3.5.2
scipy == 1.8.1
sklearn == 1.1.1
本人硕士期间的研究方向是机械故障诊断，侧重于机器学习和深度学习在故障诊断中的应用。在学习李航老师的《统计学方法》中，尝试着如何将常见的机器学习方法应用于机械故障诊断中。
-
数据描述
Mnist数据：10类手写体数字(0-9)
CWRU轴承故障数据：美国凯斯西储大学的轴承故障数据，包含正常工况，不通尺寸的内圈、外圈、滚动体故障，下载网址：https://engineering.case.edu/bearingdatacenter/download-data-file (Access 2022.09)
在fault_data文件夹下：选取了1750 rpm/min 下的正常、0.007in 内圈、外圈、滚动体故障，四类工况构造数据集，每种工况400 个样本，其中CSWU_4Class大小1600x1024，直接使用了振动信号作为特征；CSWUFeature大小为1600x24，通过提取了24个特征指标。
-
文件描述
Chapter1 Gradient descent.ipynb 梯度下降法
Chapter2-1 Perceptron.ipynb 感知机算法
Chapter2-2 Perceptron_Iris_classify.ipynb 基于感知器的Iris数据分类
Chapter2-3 Perceptron_Mnist_classify.ipynb 基于感知器的Mnist数据分类
Chapter3-1 K_nearest_neighbor.ipynb KNN算法
Chapter3-2 KNN_Mnist_Classify.ipynb 基于KNN的Mnist数据分类
Chapter3-3 KNN_CWRU_Fault_Diagnosis.ipynb 基于KNN的CWRU故障诊断
Chapter4-1 Naive_Bayes.ipynb 朴素贝叶斯算法
Chapter4-2 Naive_Bayes_Mnist_Classify.ipynb 基于朴素贝叶斯的Mnist数据分类
Chapter4-3 Naive_Bayes_CWRU_Fault_Diagnosis.ipynb 基于朴素贝叶斯的CWRU故障诊断
Chapter5-1 Decision_Tree.ipynb 决策树算法
Chapter5-2 Decision_Tree_Mnist_Classify.ipynb 基于决策树的Mnist数据分类
Chapter6-1 Logistic_Regression.ipynb 逻辑斯蒂回归算法
Chapter6-2 Maximum_Entropy_Model.ipynb 最大熵模型算法
Chapter6-3 Logistic_Regression_Mnist_Classify.ipynb 基于逻辑斯蒂回归算法的Mnist数据分类
Chapter6-4 Max_Entropy_Mnist_Classify.ipynb 基于最大熵的Mnist数据分类
Chapter6-5 Logistic_Regression_CWRU_Fault_Diagnosis.ipynb 基于逻辑斯蒂回归的CWRU故障诊断
Chapter7-1 Support_Vector_Machine.ipynb 支持向量机算法
Chapter7-2 SVM_Mnist_Classify.ipynb 基于SVM的Mnist数据分类
Chapter7-3 SVM_CWRU_Fault_Diagnosis.ipynb 基于SVM的CWRU故障诊断
Chapter8-1 Boosting.ipynb Boosting算法
Chapter8-2 AdaBoosting_Mnist_Classify.ipynb 基于AdaBoosting的Mnist数据分类
Chapter8-3 AdaBoosting_CWRU_Fault_Dignosis.ipynb 基于AdaBoosting的CWRU的故障诊断
Chapter9-1 EM.ipynb EM算法
Chapter9-2 EM_Gaussian_Mixture_model.ipynb 基于EM算法的模型
Chapter10-1 Hidden_Markov_Model.ipynb 隐马尔可夫算法
Chapter10-2 HMM_NLP.ipynb HMM在自然语言处理NLP的应用
Chapter11-1 Condition_Random_Field.ipynb 条件随机场算法
Appendix_CWRU_DCNN.ipynb 基于DCNN的轴承故障诊断方法\
1 深度学习之眼 《统计学方法》课程——正版购买
2 李航 《统计学方法》(第2版)
3 周志华 《机器学习》
4 微信公众号《机器学习初学者》- https://github.com/fengdu78/lihang-code